[논문]전라지역 응급실 환자의 유출입 분석 및 지역유형 변화 추이

이재현; 이성민; 김성중; 오미라

doi:10.22156/cs4smb.2020.10.12.126

전라지역 응급실 환자의 유출입 분석 및 지역유형 변화 추이
Analysis of Change Transitions in Regional Types in Emergency Department Patient Flows of in Jeonlado (2014-2018) 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.10 no.12, 2020년, pp.126 - 131

이재현 (국립중앙의료원 중앙응급의료센터) , 이성민 (전남대학교병원 응급의학과) , 김성중 (조선대학교병원 응급의학과) , 오미라 (국립중앙의료원 중앙응급의료센터)

초록
AI-Helper

본 연구는 전라도 지역 시·군·구의 지역 유형 변화를 파악하기 위하여 응급실 환자들의 유출입 현황을 분석하였다. 2014-2018년의 국가응급진료정보망에서 전라도 지역의 자료를 추출하였고, 환자의 주소와 응급의료기관 주소를 활용하여 지역친화도(Relevance index, RI)와 지역환자구성비(Commitment index CI)를 계산하였다. 계산된 지표들을 적용하여 군집분석으로 지역유형을 분류하였고, 비모수적 방법인 크루스칼-왈리스 검정을 사용하여 지역유형에 대한 RI와 CI의 연도별 차이를 살펴보았다. RI와 CI를 활용한 군집분석 결과는 3개의 지역유형으로 구분되었고, 군집 1은 유출형, 군집 2는 유입형, 군집 3은 자체충족형으로 분류되었다. 각 군집(지역유형)에 대한 RI와 CI의 연도별 차이에서는 군집 2(유입형)와 군집 3(자체충족형)은 유의한 차이가 없었다. 군집 1(유출형)은 CI에서는 유의한 차이가 없었고, RI에서 2004년은 2017년과 2018년에 유의한 차이가 있었다. 이는 응급의료 집중화가 심해진 반면, 응급의료 환경이 개선되었다고 보기는 어려운 것으로 해석된다.

Abstract ▼ AI-Helper

This study analyzed the inflow and outflow patterns of emergency department patients, to identify changes in regional types in cities, counties, and districts in Jeonlado, Korea. Data of areas in Jeonlado for 2014 to 2018 were extracted from the National Emergency Department Information System. The extracted data includes the patients' and emergency medical institution addresses, which were used to calculate the relevance index (RI) and commitment index (CI). The calculated indices were classified into regional types by applying cluster analysis. A non-parametric method, Kruskal-Wallis test, was employed to examine the differences between years for RI and CI by regional types. The results of cluster analysis using the relevance and commitment indices revealed three regional types. Regions in cluster 1 were classified as outflow type, in cluster 2 as inflow type, and in cluster 3 as self-sufficient. RI and CI were calculated for each cluster or regional type. There were no significant differences between years in cluster 2 (inflow type) and cluster 3 (self-sufficient type). In cluster 1 (outflow type), there were no significant differences in CI between the years; however, there were significant differences in RI between 2014 and 2017, and 2014 and 2018. It is difficult to see that the emergency medical environment has improved due to the increased concentration of emergency medical care.

주제어

표/그림 (4)

그림 Fig. 1. Results of cluster analysis for relevance index and commitment index (number of cluster k=3).
표 Table 1. Analysis data of emergency department total patients
그림 Fig. 2. Regional types in cities, counties, and districts in the Jeonlado.
그림 Fig. 3. Distribution of each cluster for relevance and commitment indices.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그러므로 본 연구는 최근 5년(2014-2018년) 동안 의 국가 응급 진료 정보망(National Emergency Department Information System, NEDIS) 자료를 이용하여, 응급 의료의 지역 간 격차가 많은 전라도 지역(광주광역시, 전라북도, 전라남도)의 응급환자에 대한 유출입의 응급의료 이용 양상을 파악하고, 시간에 따른 시‧군‧구의 지역들에 대한 응급의료 서비스 유형의 변화를 비교 분석하고자 한다.

제안 방법

일반적인 군집 분석은 사전 정보 없이 개체들 사이의 유사성을 이용하여 개체들을 몇 개의 군집으로 나누는 방법이다. 군집의 수 결정에서는 RI와 CI의 값을 가지고 NbClust package에서 제공하는 방법[9]를 적용하였는데, 연도별에 대한 최적의 군집 수를 결정하기 위해서 빈도가 높은 군집의 수를 선정하였다. 그리고 군집을 결정한 후 지역 유형을 구분하기 위해서는 K-평균 방법을 적용하여 지역 유형을 표시하였다.
응급의료이용의 지역별 유출입현황 분석에서는 응급 의료 기관 주소와 환자 주소의 우편번호를 이용하여 Griffith[5]에서 사용된 RI와 CI를 적용하였다. RI는 지역 내에 거주하고 있는 환자에 대한 일정지역의 의료 자원을 이용하는 평가 지표로 해당지역 환자의 유출 정도를 반영하는 지표이고, CI는 일정지역 환자들의 지역 내 의료기관을 이용하는 평가 지표로 해당 지역에 대한 외부 지역 환자의 유입정도를 반영하는 지표로[8] 아래 (1)와 같이 정의된다.
이러한 응급 의료 서비스 이용의 분석에서 가장 중요시되는 내용은 지역 환자들의 유출입을 살펴보는 것으로, Griffith[5]에서 제시되었던 지역친화도(Relevance index, RI) 와 지역 환자 구성비(Commitment index, CI)이다. 이와같이 RI와 CI를 이용하여 응급실 이용 환자들의 의료 이용 양상을 3가지 유형인 자체충족형, 유출형과 유입형으로 구분하였다[6]. 그러나 현재까지는 응급 환자들의 의료이용 양상에 관하여 시간흐름에 따른 비교 분석을 한 연구가 전무하므로, 지역별 응급환자의 의료 이용 양상의 흐름을 분석하여 2018-2022년 응급의료 기본 계획[7]에서 제시된 지역 완결형 응급의료체계를 구축하기 위한 기초 자료를 제공할 필요가 있다.
전라도 지역 시‧군‧구의 RI와 CI를 이용하여 군집 분석으로 지역유형을 구분하였다. 일반적인 군집 분석은 사전 정보 없이 개체들 사이의 유사성을 이용하여 개체들을 몇 개의 군집으로 나누는 방법이다.

대상 데이터

NEDIS 자료를 이용하였다. 42개의 시‧군‧구 중 NEDIS 미전송 지역과 응급의료기관이 없는 지역을 제외한 지역(2014년 34개 지역, 2015년 38개 지역, 2016-2018년 39개 지역)들에 대한 RI와 CI의 결과들을 기반으로 한 군집분석에서는 유출형, 유입형, 자체 충족형과 같은 3개의 군집으로 분류되었다. 첫째, 군집 1 에서는 RI는 낮고 CI는 높은 지역으로서 다른 지역으로 유출 가능성이 높은 유출형으로, 응급의료 취약 지역들이 다수 포함되어 있다.
이용하였다. NEDIS에 전송된 자료 중에서 응급 의료 기관 주소지가 전라도인 경우와 환자 주소지가 전라도인 자료를 선택하여 분석에 사용하였다. 본 연구는 연구 주관 기관의 연구윤리위원회 심의를 통과하였으며, 환자의 연구 참여 동의서는 면제받았다(IRB No.
본 연구는 2014년 1월 1일부터 2018년 12월 31일까지 응급의료기관에 내원한 환자들에 대한 정보를 수집한 국립중앙의료원 중앙응급의료센터의 NEDIS 자료를 이용하였다. NEDIS에 전송된 자료 중에서 응급 의료 기관 주소지가 전라도인 경우와 환자 주소지가 전라도인 자료를 선택하여 분석에 사용하였다.
본 연구는 전라도 지역의 시‧군‧구에 대한 유출입 및 지역 유형 구분에 관한 연구로서 응급의료기관 이용 현황인 NEDIS 자료를 이용하였다. 42개의 시‧군‧구 중 NEDIS 미전송 지역과 응급의료기관이 없는 지역을 제외한 지역(2014년 34개 지역, 2015년 38개 지역, 2016-2018년 39개 지역)들에 대한 RI와 CI의 결과들을 기반으로 한 군집분석에서는 유출형, 유입형, 자체 충족형과 같은 3개의 군집으로 분류되었다.
본 연구에 사용된 NEDIS 자료는 Table 1과 같이 6, 300, 162건(2014년 1, 080, 349건, 2015년 1, 239, 748 건, 2016년 1, 311, 680건, 2017년 1, 318, 794건, 2018 년 1, 349, 591건)으로 전라도 지역의 응급의료기관 84개소와 전라도 지역 외의 응급의료기관을 이용한 환자 중주 소지가 전라도 지역인 자료를 이용하여 RI와 CI를 산출하였다. 특히 지역별 RI와 CI를 산출하기 위해서는 환자 주소지의 누락 및 미상 등으로 확인이 불가능한 473, 603건(7.
특히 지역별 RI와 CI를 산출하기 위해서는 환자 주소지의 누락 및 미상 등으로 확인이 불가능한 473, 603건(7.5%)을 제외한 5, 826, 559건(92.5%)(2014년 975, 054건, 2015년 1, 138, 897건, 2016년 1, 230, 457건, 2017년 1, 216, 014건, 2018년 1, 266, 137건)을 분석에 사용하였다.

데이터처리

그리고 군집을 결정한 후 지역 유형을 구분하기 위해서는 K-평균 방법을 적용하여 지역 유형을 표시하였다. 각 군집별의 RI와 CI에 대한 연도별들에 대한 차이를 살펴보기 위해서는 비모수적 방법인 크루스칼-왈 리스(Kruskal-Wallis) 검정을 실시하였고, 자료의 분포들은 중앙값과 사분위수 범위를 포함하는 상자 그림(Box-plot)으로 나타냈다. 유의확률 p값이 0.
각 군집별의 RI와 CI에 대한 연도별들에 대한 차이를 살펴보기 위해서는 비모수적 방법인 크루스칼-왈 리스(Kruskal-Wallis) 검정을 실시하였고, 자료의 분포들은 중앙값과 사분위수 범위를 포함하는 상자 그림(Box-plot)으로 나타냈다. 유의확률 p값이 0.05 미만인 것을 통계적으로 유의한 것으로 해석하였고, 자료 분석은 IBM SPSS Statistics 23 (IBM Corp., Armok, NY, USA)과 R 3.3.4 (https://www.r-project.org/)를 사용하였다.

이론/모형

군집의 수 결정에서는 RI와 CI의 값을 가지고 NbClust package에서 제공하는 방법[9]를 적용하였는데, 연도별에 대한 최적의 군집 수를 결정하기 위해서 빈도가 높은 군집의 수를 선정하였다. 그리고 군집을 결정한 후 지역 유형을 구분하기 위해서는 K-평균 방법을 적용하여 지역 유형을 표시하였다. 각 군집별의 RI와 CI에 대한 연도별들에 대한 차이를 살펴보기 위해서는 비모수적 방법인 크루스칼-왈 리스(Kruskal-Wallis) 검정을 실시하였고, 자료의 분포들은 중앙값과 사분위수 범위를 포함하는 상자 그림(Box-plot)으로 나타냈다.

성능/효과

결론적으로 본 연구는 5년간 전라도 지역의 시‧군‧구 에 대한 RI와 CI를 산출한 후에 군집분석을 이용하여 지역의 응급의료서비스 유형을 유출형, 유입형과 자 체충촉형인 3가지 형태로 나타냈다. 특히 2015-2018년에 유출형으로 분류된 지역에서는 91.
마지막으로 RI와 CI에 대한 각 군집(지역유형)에서 연도 별들 간의 차이는 군집 2의 유입형과 군집 3의 자체충족형 에서는 RI와 CI 모두 연도별들 간에 서로 유의한 차이를 보이지 않았다. 군집 1의 유출형에서 CI는 연도별들 간에 서로 유의한 차이를 보이지 않았고, RI는 연도별들 간에서로 유의한 차이를 보였다. 특히 군집 1의 RI에서 2014년은 2017년과 2018년에 유의한 차이가 있었는데, 이는 유출형 응급의료기관에 지역내 이용률이 더욱 감소한 측면과 2014년 NEDIS 전송 자료 중 환자의 주소를 알지 못하는 경우가 9.
한다. 군집의 수 결정방법은 NbClust에서 제공하는 방법을 사용하여 군집의 수를 결정한 결과 2-3개로 나타났는데 2014년 3개, 2015년 2-3개, 2016년 2-3 개, 2017년 3개, 2018년 3개이며, 이중에서 가장 많이 나타난 군집의 수 3을 최적인 군집의 수로 결정하였다.
7%)가 응 급의료 취약지역에 포함된다. 둘째, 군집 2는 RI는 중 간이고 CI는 낮은 지역으로서 인접 지역으로부터 유입이 더 크다고 볼 수 있는 유입형이다. 이 지역들은 응급의료기 관 종별인 권역응급의료센터나 상급종합병원이 있는 지역 으로 응급의료자원이 밀집된 곳이다.
05). 또한 군집 3(자체충족형)의 RI와 CI 모두 연도별들 간에 서로 유의한 차이를 보이지 않았다 (p>0.05).
마지막으로 RI와 CI에 대한 각 군집(지역유형)에서 연도 별들 간의 차이는 군집 2의 유입형과 군집 3의 자체충족형 에서는 RI와 CI 모두 연도별들 간에 서로 유의한 차이를 보이지 않았다. 군집 1의 유출형에서 CI는 연도별들 간에 서로 유의한 차이를 보이지 않았고, RI는 연도별들 간에서로 유의한 차이를 보였다.
특히 권역응급의료센 터가 위치한 곳으로 응급의료 자원이 편중되어 있다고 볼 수 있으며, 신규 응급의료자원이 권역응급의료센터 위주로 배치되는 현황으로 미루어 볼 때 앞으로도 인접지역으로부 터의 유입률은 증가할 것으로 사료된다. 셋째, 군집 3은 RI 와 CI가 높은 지역으로 자체충족형이다. 자체충족형은 2014년 34개 지역 중 10개(29.
42개의 시‧군‧구 중 NEDIS 미전송 지역과 응급의료기관이 없는 지역을 제외한 지역(2014년 34개 지역, 2015년 38개 지역, 2016-2018년 39개 지역)들에 대한 RI와 CI의 결과들을 기반으로 한 군집분석에서는 유출형, 유입형, 자체 충족형과 같은 3개의 군집으로 분류되었다. 첫째, 군집 1 에서는 RI는 낮고 CI는 높은 지역으로서 다른 지역으로 유출 가능성이 높은 유출형으로, 응급의료 취약 지역들이 다수 포함되어 있다. 응급의료 취약지는 지역 응급 의료 센터로 30분 이내 도달이 불가능하거나, 권역 응급 의료 센터로 1시간 이내 도달이 불가능한 인구가 지역 내 30%인 지역을 의미한다.

후속연구

이는 지난 5년간 취약지의 인력 지원 및 응급의료 관리료 지원 등에도 불구하고 지역 내 환자들이 외부지역의 응급실 이용 비율이 높아졌으므로, 응급의료 집중화가 심해진 것으로 응급의료 환경이 개선되었다고 보기는 어렵다. 또한 본연구는 응급실을 이용한 전체 환자를 대상으로 하였으므로, 응급 환자의 특성을 전부 반영하는 것은 한계가 있었다. 향후에는 지역 내 응급의료 제공 향상을 위하여, 지역 맞춤형 응급 의료 체계 개발 등 적극적인 자구 노력이 필요할 것이다.
또한 본연구는 응급실을 이용한 전체 환자를 대상으로 하였으므로, 응급 환자의 특성을 전부 반영하는 것은 한계가 있었다. 향후에는 지역 내 응급의료 제공 향상을 위하여, 지역 맞춤형 응급 의료 체계 개발 등 적극적인 자구 노력이 필요할 것이다.

참고문헌 (10)

K. O. Ahn, J. Y. Hong, Y. Kim & K. Y. Jung. (2006). Appropriate Interhospital Transfer of Emergent Patients. Journal of The Korean Society of Emergency Medicine, 7(2), 138-145.
T. A. H. Rocha, N. C. Silva, P. V. Amaral, A. C. Q. Barbosa, J. V. M. Rocha & V. Alvares. (2017). Addressing geographic access barriers to emergency care services: a national ecologic study of hospitals in Brazil. International Journal for Equity in Health, 16, 149. DOI : 10.1186/s12939-017-0645-4

상세보기
G. J. Yoon, S. I. Ha, J. Y. Uh, J. H. Kim, Y. S. Shin & S. H. Lee. (2014). Trends and issues for improvement of Korea healthcare delivery system. Korea Institute for Health and Social Affairs. Seoul.
S. M. Kwon, E. Y. Bae & Y. J. Choi. (2010). Distinguishing role hospital and clinics ambiguous "current medical delivery system" must give clear function. Research Institute for Healthcare Policy Korean Medical Association. Seoul.
J. R. Griffith. (1972). Quantitative Techniques for Hospital Planning and Control. MA : Lexington Books.
M. Oh, B. U. Jeon, J. H. Lee, T. O. Jeong & T. Heo. (2019). Inflow and outflow type analysis of emergency department patients of the Honam region. Journal of The Korean Society of Emergency Medicine, 30(4), 348-354.
Ministry of Health and Welfare. (2018). 2018-2022 Emergency medical basic plan (Online).http://www.mohw.go.kr/react/al/sal0301vw.jsp?PAR_MENU_ID04&MENU_ID0403&CONT_SEQ347154
S. H. Lee, J. I. Hwang, D. H. Hong & S. K. Park. (2004). Fundamental research for optimizing hospital resources. Korea health industry development institute, Chungbuk.
M. Charrad, N. Ghazzali, V. Boiteau & A. Niknafs. (2014). NbClust: An R Package for Determining the Relevant Number of Clusters in a Data Set. Journal of Statistical Software, 61, 1-36. DOI : 10.18637/jss.v061.i06
Ministry of Health and Welfare. (2017). Emergency medical vulnerable regions (Online). http://www.mohw.go.kr/upload/viewer/skin/doc.html?fn1490859909106_20170330164509.hwp&rs/upload/viewer/result/202012/

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증